作者:张梦然 来源:科技日报 发布时间:2024/1/17 14:47:59
选择字号:
近4万个数据集验证:机器学习加速新药研发进程

 

科技日报北京1月16日电 (记者张梦然)英国剑桥大学和美国辉瑞公司合作开发了一个平台,将自动化实验与人工智能(AI)相结合,以预测化学物质如何相互反应,从而加速新药的设计过程。研究结果发表在最新一期《自然·化学》杂志上。

预测分子如何反应,对于新药的发现和制造至关重要。但从历史上看,这是一个反复试验、经常失败的过程。为了进行预测,化学家需要在模型中模拟电子和原子,这一过程计算成本高昂且通常不准确。

现在,研究人员开发了一种受基因组学启发的数据驱动方法。该方法将自动化实验与机器学习相结合,以了解化学反应性,从而大大加快了新药设计过程。他们称,该方法在超过39000个药学相关反应的数据集上得到了验证。

该方法从数据中挑选出反应物、试剂并测试反应性能之间的相关性。数据则是通过非常快速或高通量的自动化实验生成的。研究人员表示,高通量化学已经改变了游戏规则。他们相信有一种新方法,可促进对化学反应的更深入的理解,而不是从高通量实验的初始结果中观察到。此次开发的这种机器学习方法,就能允许化学家调整复杂的分子,再精确引入到分子的预先指定区域,从而加快药物设计速度。

机器学习以往在化学中的应用经常受到限制。与广阔的化学空间相比,其数据量实在太小。但此次研究通过“传授”给模型一般化学知识,然后对其进行微调,预测复杂的化学转化,从而克服了低数据的局限性。

论文第一作者、剑桥大学卡文迪许实验室的艾玛·金-史密斯表示,这一成果可能会改变人们对有机化学的看法。对化学的更深入理解,亦可促使人们更快速制造药品和许多其他有用的化学品。

(原标题:在近四万个药学反应数据集上验证——机器学习加速新药研发进程

 
特别声明:本文转载仅仅是出于传播信息的需要,并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、网站或个人从本网站转载使用,须保留本网站注明的“来源”,并自负版权等法律责任;作者如果不希望被转载或者联系转载稿费等事宜,请与我们接洽。
 
 打印  发E-mail给: 
    
 
相关新闻 相关论文

图片新闻
数百个包含种族歧视的植物名称将被改变 平均每棵树干中都有超过1万亿个微生物
野外回归的墨脱百合在原生地首次开花 科学家创有机小分子催化新纪录
>>更多
 
一周新闻排行
 
编辑部推荐博文